[发明专利]一种风电机组温度故障的自适应预警策略设计方法

说明书

本发明公开了一种风电机组温度故障的自适应预警策略设计方法。该方法使用风电机组正常运行时期数据集，基于模型估计残差序列进行多阈值设置及多判别准则设计，并基于训练集确定判别准则参数范围，在线应用中对实时数据点进行多次独立判断并设计投票机制给出最终预警结果。在本发明预警策略设计方法中，多阈值设置结合多判别准则设计综合考虑不同预警结果需求及异常特性，保证预警结果的全面性与准确性；基于训练数据确定判别准则参数范围避免了人为主观因素的干扰；投票机制结合多次独立判断结果，使最终预警结果更具有准确性和合理性，从而能够实现风电机组温度故障准确的故障预警，减少停机时间，节约运维成本，具有较强的理论性与实用性。

技术领域

本发明涉及一种风电机组温度故障的自适应预警策略设计方法，基于风机正常运行状态数据集，通过正常行为建模对目标变量进行实时估计，并基于训练集残差序列自适应地确定多残差阈值及判别准则阈值参数范围，在实时运行数据中进行多次独立判断获取判断结果序列，并设计投票机制确定最终预警结果从而进行温度故障预警的方法。

背景技术

随着全球污染以及传统化石能源日益匮乏，清洁能源的发展引起了广泛的关注，风能以其清洁无污染的优势得以迅速发展，风电产业也由此成为国内外大力发展的新型可再生能源产业之一。目前，我国的风机装机总容量已位于世界前列，但近几年风力发电市场的快速发展也导致了研发时期的准备不足，风机的运行维护费用居高不下。

风机的高故障率是导致运维费用高的主要因素，风电机组是由多组件多子系统组成的复杂系统，机组通常运行在远郊平原、山区、临海等偏远地区，运行环境恶劣多变，关键组件的故障会导致整机的停机检修，带来大量的经济损失。而风机中安装的数据采集与监视控制(SCADA)系统在关键组件中一般都安装有对应测点，通过监测组件温度等信息对关键组件进行状态监测及故障预警，因此，利用SCADA系统信息实现组件温度异常的初期辨识，避免初期异常演变为灾难性故障，实现温度故障的提前感知，从而进行预测性维护，对减少运维成本，实现风电场智能运维具有重大的意义。然而，现有用于故障预警的阈值设置及判别准则设置简单，且均由人为确定，无法判断参数设置的合理性，从而难以保证预警结果的准确性。因此，设计基于数据的自适应的预警策略，减少人为不确定因素，对实现精确的故障预警具有重大的意义。

发明内容

本发明目的在于通过正常行为建模获取训练集残差序列，并基于训练残差序列确定残差阈值及判别准则阈值参数范围，在线运行时每个实时运行数据点进行多组合独立判断，并设计投票机制确定最终预警结果，提出一种基于数据的自适应的温度故障预警策略设计方法。该方法选取风电机组正常运行状态的数据集作为训练集，首先基于正常行为建模，选取变量估计模型获取训练残差序列，再基于训练残差序列设置多残差阈值并确定判别准则阈值参数范围，避免了人为不确定因素的干预，保证了预警策略的准确性和合理性，通过多组合独立的判断并设计投票机制确定最终预警结果，综合考虑不同预警结果需求，不同异常特性及不同超限程度，保证了预警的全面性和准确性。该方法能够结合多种变量估计模型，并能够扩展至风电机组各个具有温度测点的关键组件，实现关键组件的温度故障预警，具有实用价值，扩展性强。

本发明的目的通过以下的技术方案实现：一种风电机组温度故障的自适应预警策略设计方法，包括以下步骤：

1)选取待进行温度故障预警的风电机组关键组件，采集数据采集与监视控制(SCADA)系统中该组件温度测点所测温度变量作为目标变量y，与组件温度相关的参数X作为相关变量，选取机组正常运行状态下N条运行数据，构造训练集

2)离线训练阶段，基于正常行为建模，选取变量估计模型，并输入所构造的训练集进行训练，从而对目标变量进行实时估计，并计算训练集中目标变量实际运行值和模型估计值的残差序列；